O projeto llama.cpp lançou a versão b9839, que inclui uma correção para restaurar a varredura Tailwind em worktrees ignorados. Esta atualização fornece binários pré-compilados para macOS, Linux, Android, Windows e openEuler em várias arquiteturas e backends de aceleração de hardware.
O projeto llama.cpp lançou a versão b9838, fornecendo binários pré-compilados para uma ampla gama de sistemas operacionais e aceleradores de hardware. Este lançamento inclui suporte para CPU, GPU (CUDA, Vulkan, ROCm, OpenCL) e aceleradores de IA especializados em macOS, Linux, Windows, Android e openEuler.
A HP Inc. está ampliando sua parceria estratégica com a OpenAI após pilotos bem-sucedidos, implementando IA em experiências do cliente, produtividade dos funcionários e desenvolvimento de software. A empresa utiliza a plataforma OpenAI Frontier como um modelo operacional unificado para governar contexto, permissões e avaliação à medida que avança de casos de uso experimentais para produção em toda a empresa.
O projeto llama.cpp lançou a versão b9835, que inclui uma correção para a funcionalidade de parada e pulso de raciocínio no modo de modelo único. Esta atualização aborda problemas específicos dentro da interface do usuário para melhorar o controle durante a inferência do modelo.
O projeto llama.cpp lançou a versão b9833, introduzindo um parser dedicado para o modelo MiniCPM5 junto com várias correções de bugs e refatorações. Esta atualização inclui suporte para parsing de chamadas de ferramenta, simplificação de gramática e correção do comportamento da API Jinja para garantir compatibilidade com os padrões Jinja2.
O projeto llama.cpp lançou a versão b9832, introduzindo uma nova opção de linha de comando `--dump-prog` para o mecanismo de template Jinja, visando auxiliar na depuração. Esta atualização também inclui binários pré-compilados para macOS, Linux, Android, Windows e openEuler em várias arquiteturas de CPU e GPU.
O lançamento b9830 do llama.cpp introduz a capacidade de usar o sinalizador --offline com o comando llama download, permitindo que scripts verifiquem modelos em cache sem acesso à rede. Esta atualização também resolve uma vulnerabilidade latente de uso após liberação no callback on_done da tarefa URL, onde first_path estava sendo capturado incorretamente por referência.
A versão v0.24.0 inclui uma atualização de integração contínua para aumentar o tempo limite de inicialização do GSM8K para as configurações MoE Refactor Qwen3 NVFP4.
A OpenAI iniciou uma prévia limitada da série GPT-5.6, apresentando três novos modelos: Sol como o principal, Terra para trabalho diário equilibrado e Luna para tarefas rápidas e acessíveis. A empresa planeja tornar esses modelos amplamente disponíveis nas próximas semanas após esta fase inicial com parceiros confiáveis.
A versão 2.1.195 do Claude Code introduz várias correções e melhorias, incluindo novas variáveis de ambiente para controle do mouse no modo de tela cheia e correções na lógica do hook matcher.
O SDK Python do Model Context Protocol (MCP) lançou sua terceira versão alpha, v2.0.0a3, introduzindo mudanças significativas no protocolo e na arquitetura, mantendo a compatibilidade com versões anteriores para usuários estáveis da 1.x.
O SDK Python do Model Context Protocol lançou a versão 1.28.1, introduzindo atualizações no tratamento de streams e na segurança de transporte.
O artigo anuncia o lançamento da versão 0.5.14.
A versão 2.1.193 do Claude Code introduz várias melhorias na classificação do modo automático, registro de telemetria e gerenciamento de agentes em segundo plano. Esta atualização também inclui correções para problemas de estado da interface do usuário, manipulação de autenticação em servidores MCP e vários bugs relacionados ao funcionamento em segundo plano.
Este artigo descreve um método para automatizar a manutenção de forks de software usando agentes de codificação por IA, aplicando-o ao fork do vLLM pela Cohere. A abordagem reduz o tempo necessário para absorver lançamentos da ramificação principal de semanas para dias, substituindo a intervenção manual por um ciclo de feedback automatizado.
Pesquisadores desenvolveram o Teste Causal Generativo (GCT), uma estrutura que traduz modelos de previsão cerebral baseados em LLMs, não interpretáveis, em hipóteses verbais concisas e testáveis sobre a função cortical. Este método resume os parâmetros do modelo em frases curtas descrevendo a quais regiões específicas do cérebro elas respondem, como "preparação de alimentos", e então verifica essas explicações por meio de experimentos de fMRI direcionados.
O Google Finance está oficialmente encerrando sua fase beta e lançando um aplicativo dedicado para dispositivos Android.
Esta versão candidata corrige a funcionalidade de Prefill/Decode (P/D) em conjunto com o Supervisor de Paralelismo de Dados (DP) no projeto vLLM.
A Cohere desenvolveu um agente de segurança usando sua plataforma de IA corporativa, Cohere North, integrada à plataforma de segurança em nuvem Wiz por meio de um servidor Model Context Protocol (MCP) personalizado. Essa arquitetura conecta o North à API GraphQL da Wiz por meio de oito ferramentas atômicas, permitindo fluxos automatizados de resposta a incidentes a partir de um único prompt. O sistema realiza análise do raio de explosão de combinações tóxicas avaliando cadeias de ataque e classificando riscos com base na exposição à internet e nos níveis de privilégio em aproximadamente 20 segundos. Ele também automatiza a investigação de ponta a ponta, recuperando detalhes do problema, criando tickets no Linear, atualizando o status da Wiz e redigindo relatórios estruturados de Resposta a Incidentes. Além disso, uma automação semanal agendada gera um resumo da postura de segurança toda segunda-feira pela manhã sem intervenção manual. Essa integração elimina o ciclo de triagem anterior de 30 minutos a duas horas por achado, permitindo que os engenheiros se concentrem na avaliação das análises em vez de alertas brutos.
Um novo artigo de pesquisa da OpenAI demonstra como os agentes de inteligência artificial estão mudando fundamentalmente a natureza do trabalho. O estudo destaca a capacidade desses agentes de executar tarefas mais longas e complexas do que era possível anteriormente. Esse avanço tecnológico é creditado por expandir a produtividade em uma ampla variedade de funções profissionais. As descobertas sugerem uma mudança significativa na forma como o trabalho é organizado e realizado por meio da automação. Ao lidar com fluxos de trabalho intricados, os agentes de IA estão permitindo que os usuários alcancem maior eficiência. O artigo serve como evidência do crescente impacto dos sistemas autônomos no emprego moderno.